科技云报到原创。
当英伟达以4万亿美元市值成为AI时代“芯”皇、寒武纪超越茅台登顶A股股王，全球正在迎接AI的高光时刻。
然而，在科技盛世之下，AI行业正陷入一场“看不见的焦虑”。GPT-4训练数据量突破万亿级、自动驾驶汽车单日采集数据达TB级、机器人每一次动作都生成海量多模态数据。多数人将目光聚焦在算力芯片的性能竞赛上，然而却忽略了一个更核心的问题：没有足够强大的“存力”，再顶尖的算力也只是“无米之炊”。
传统存储的传输速度跟不上GPU的计算节奏，导致算力常年处于“等米下锅”的闲置状态。“存不下、传不快、不安全”，已成为AI产业突破瓶颈的三大拦路虎。
就在行业陷入存力困境之时，2023年，曙光存储在业内首次提出“先进存力”概念，打破传统存储“被动存数据”的局限；2024年，又联合IDC发布《构建面向智能化时代的先进存力中心》白皮书，为AI时代的存力建设划定标准。
2025年8月29日，曙光存储副总裁郭照斌在第二届CCF中国存储大会上宣布，曙光“超级隧道”技术可以更好地应对PCIe6.0时代，为下一代国产芯片效能释放提供加速引擎。
从“先进存力”概念提出，到“超级隧道”技术破解传输瓶颈，再到布局PCIe 6.0未来，曙光存储正基于自主技术塑造起以先进存力为的下一个AI增长引擎。
“先进存力”不止是存数据更是AI第二引擎
提到存储，很多人的第一反应是硬盘、服务器这类硬件载体。但在AI时代，这种认知早已过时。曙光存储提出的“先进存力”，早已超越“存放数据”的基础功能，成为能主动释放数据价值、驱动AI运转的“第二引擎”。
2023年，曙光存储首次提出“先进存力”概念时，就明确了其核心围绕“海量、高效、融合、绿色、安全”五大维度展开，这与传统存储的定位形成了本质区别。
传统存储更像“数据仓库”，只负责接收和保管数据，至于数据如何被高效调取、如何与不同场景适配、如何降低存储过程中的能耗，都不在其考虑范围内。
而曙光提出的先进存力是AI时代的又一关键基础设施。先进存力不仅可以支持EB级存储，轻松装下AI大模型的万亿级训练数据，还能通过AI加速技术，能够让数据调取速度匹配算力需求，避免算力闲置。同时，兼容文件、块、对象等多种协议，无论是自动驾驶的视频数据，还是机器人的传感器数据，都能无缝接入。另外，先进存力采用液冷技术降低能耗，大幅降低存储系统PUE（能源使用效率），更通过全栈自主技术，从芯片到系统层层设防，保障核心数据不泄露。
在白皮书里，先进存力被明确为“数据要素价值释放的核心载体”，它不再是孤立的存储设备，而是与算力、运力（数据传输能力）深度协同的基础设施。
比如在重庆先进数据中心，曙光存储构建的先进存力，一边连接着当地智算中心的数千颗GPU，一边对接企业的生产数据，通过智能调度让数据“按需流动”。当AI训练需要热数据时，数据能够毫秒级直达GPU；训练完成后的冷数据，将自动归档至低成本存储节点，既保证效率又控制成本。
这种协同能力，让先进存力具备了五大核心特征：高效融合，可以兼容多协议，打破数据孤岛；提质增效，AI加速技术提升数据处理效率；全域流动，智能调度让数据在不同节点间无缝流转；安全可靠，全栈自主技术抵御风险；绿色节能，液冷技术降低能耗。
国家气象局的实践就是最好证明，曙光为其构建的横跨三地的存力平台，能够实时同步全国的气象数据，既满足天气预报AI模型的实时计算需求，又能安全归档历史气象数据，同时能耗较传统方案降大幅下降。
对于AI产业而言，先进存力的意义在于，它解决了数据在哪存、怎么传、如何用的根本问题，让算力不再空转，让数据真正成为能驱动AI进化的“燃料”。
“超级隧道”让数据传输“快到飞起”
如果将先进存力视为AI的“第二引擎”，那么曙光存储的“超级隧道”技术，就是让这台引擎飞速运转的“传动轴”，其通过自主可控技术，破解了长期以来数据传输的“卡脖子”难题，让数据从“拥堵慢走”变成“一键直达”。
在AI产业中，长期存在一个认知误区，认为只有靠国外高端GPU才能提升计算效率。但曙光存储发现，传统存储架构中，CPU的性能其实被严重浪费。由于存储与CPU、GPU之间的传输路径存在加锁机制，多个进程会争抢资源，导致CPU算力无法充分释放，最终不得不依赖更多GPU来弥补效率差。
“超级隧道”核心解决的问题就是打破这种依赖，通过激活CPU潜力，降低对国外GPU的依赖，同时减少关键硬件的对外依存度，构建出了一条自主可控的技术路径，这意味着企业无需高价采购国外GPU，也能实现AI性能的提升。
传统存储的传输路径，就像一条单车道加红绿灯的公路，多个CPU核共享同一批资源，就像多辆车抢一条车道，还得等红绿灯（加锁机制），拥堵是常态。
而“超级隧道”则重构了这条公路。它为每个CPU核配备专属车道，构建起从网卡到CPU再到硬盘“一杆子插到底”的无冲突传输路径，彻底去除加锁机制。
具体来说，这个过程分为三步：
首先，为每个CPU核分配独占的网卡、内存、硬盘资源，避免资源争抢。
其次，用AI预测调度技术，提前判断数据的传输需求，让数据“走哪条路”提前规划好。
最后，通过软硬件协同，让数据在传输过程中不跨域、不等待，实现就近访问。
就像快递配送，传统方式是所有快递先到一个分拣中心（共享资源），再进行分发，而“超级隧道”则是每个快递员都有专属配送路线（独占资源），直接从仓库送到客户手中，效率自然天差地别。
从技术手段上看，“超级隧道”的高效不是靠单一技术实现的，而是多维度技术的协同突破，每一项技术都直击行业痛点。
比如，多NUMA/CPU与微控模型，解决了多核效率低难题。传统服务器多采用单CPU，性能强但成本高，曙光则用多NUMA（非一致内存访问）或多CPU提升性能，但多CPU 之间的访问延迟会成为新瓶颈。为此，曙光研发“微控模型”，精准适配硬件特性，让多CPU之间的访问代价降低60%，既提升性能又控制成本。
在软硬件协同方面，曙光存储实现了每个部件各司其职互不干扰。CPU、内存、硬盘采用“分组作业”，每个NUMA域都有自己的“专属网卡”，避免跨域访问的延迟。数据被切分到不同逻辑空间，每个空间对应专属硬件资源，就像多条“垂直隧道”，数据从进入到落地，全程在同一隧道内完成，不与其他数据“抢道”。
曙光存储独有的XIO技术（XNIO/XDIO）融合了无锁轮询与RTC处理，实现数据传输“一键直达”。在任务处理方面，XIO技术可以实现200纳秒协程切换，能够轻松应对百万级高并发需求。在数据传输上，XIO技术省去很多中间步骤，与传统传输方式相比，传输效率提升10倍。
“超级隧道”技术基于无锁架构、极简交互及软硬件协同等核心设计，是当前业内唯一能够充分释放PCIe 5.0性能的存储技术。
PCIe是一种高速串行计算机扩展总线标准，是由英特尔在2001年提出的。PCIe作为连接x86服务器、PC和笔记本电脑核心处理器与外设的重要方式取得了巨大成功。随着CPU和GPU性能不断提升，PCIe总线速度也在同步增长，每一代都实现带宽翻倍。
PCIe 5.0的带宽较4.0提升100%，能彻底消除传统架构的带宽瓶颈，而PCIe 6.0采用PAM4编码技术，单通道速率达64GT/s，未来可支持800GE网络传输。
目前，超级隧道支持的集中式全闪存储产品已经实现亿级IOPS性能、202微妙级时延，面向AI加速场景，可成功将推理时延降低80%。曙光分布式存储通过五级加速+三级协同技术，可将GPU利用率从30-40%提高至70%-80%，训练速度提升4倍，万亿参数模型训练周期压缩60%以上。
在曙光存储的两大产品线——分布式全闪存储ParaStor、集中式全闪存储FlashNexus中，“超级隧道”都已有不同维度的应用。
从CPU、PCIe交换芯片到NVMe SSD，曙光存储构建了业界唯一全链路PCIe5.0通道，彻底消除传统架构中的带宽瓶颈。
为深化先进存力理念，曙光存储“超级隧道”技术再次加磅，将更好应对最新PCle6.0标准，为下一代国产芯片应运而生，为加速突破AI能力边界、应用落地塑造更强引擎。
AI行业应用释放存力价值
技术的价值，最终要靠实践验证。从西湖大学的AI科研，到造车新势力的智能驾驶，再到机器人具身智能，曙光存储的先进存力方案已在多个关键场景落地，成为推动行业进步的“隐形动力”。
西湖大学作为聚焦前沿科学的研究机构，在AI与生命科学、材料科学的交叉领域投入重兵。比如用AI预测蛋白质结构、用机器学习筛选新型材料，这些研究都需要处理海量实验数据，对存储性能的要求远超普通场景。
西湖大学在内部测试中发现，通过调整部分存储性能，可以将AI科研的计算过程加快30%，因此选择主打“AI加速”的曙光全闪存储。
技术方面，曙光存储实现了单节点带宽超越国际厂商4倍以上，为西湖大学的AI业务按下“加速键”。其次，曙光存储20多年来，已为多个世界级产学研项目提供保障，从前期设计、供应链保障，再到部署后的弹性调整，全方位匹配多学科平台需求，能够满足西湖大学对存储设备的稳定性和服务响应速度。
更为重要的是，西湖大学的科研数据多为核心机密，曙光存储采用100%自研的软硬件架构，从芯片到系统层层加密，同时配备多重冗余设计，即使某个硬件部件故障，系统也能自动切换至备用节点，数据不中断、不丢失。目前，这套存储系统已支撑西湖大学在蛋白质结构预测领域取得多项突破。
人形机器人的研发，对存力的要求更为苛刻。机器人的每一次行走、抓取、交互，都会生成视觉、触觉、听觉等多模态数据，这些数据需要实时传输至AI模型进行分析，再快速反馈指令，任何延迟都可能导致动作失误。
智元机器人作为具身智能领域的领先企业，之所以能在半年内推出多款商用人形机器人，背后离不开曙光存储的全力支持。
智元机器人的关注点在于“快速迭代”，其多模态大模型需要持续接收海量数据进行训练，同时要快速沉淀数据资产，以支撑新品研发。
针对这一需求，曙光存储为智元定制了“分布式全闪+对象存储”的分级架构，前端采用ParaStor分布式全闪存储，提供500GB/s的聚合读带宽，能实时传输机器人的多模态数据，支撑AI模型的快速训练，后端搭配分布式对象存储，单桶支持5万IOPS，能安全归档历史训练数据，同时成本可控。
两套方案协同配合，形成“分级存储”，不同需求的数据都能找到合适的存放地，不仅实现了高效的AI模型训练，数据也能及时沉淀复用，在机器人模型训练和商业化落地方面实现效率倍增。
AI时代的存力革命，才刚刚开始。随着大模型向万亿参数、机器人向通用智能、自动驾驶向全场景演进，存力的重要性将愈发凸显。从首次提出“先进存力”定义行业标准，到用“超级隧道”技术突破传输瓶颈，再到更好地应对PCIe 6.0标准，曙光存储的每一步动作，都紧扣AI产业的存力需求，解决的不仅是“存不下、传不快、不安全”的表层问题，更是通过自主可控的技术，为AI产业构建了可持续发展的存力底座。
这场存力革命，没有旁观者。而曙光存储，早已站在了潮头。
【关于科技云报到】
企业级IT领域Top10新媒体。聚焦云计算、人工智能、大模型、网络安全、大数据、区块链等企业级科技领域。原创文章和视频获工信部权威认可，是世界人工智能大会、数博会、国家网络安全宣传周活动、可信云大会与全球云计算等大型活动的官方指定传播媒体之一。
